DE102016222640A1 - Monitoring system, method, in particular for the detection of manufacturing errors, and use of a monitoring system - Google Patents
Monitoring system, method, in particular for the detection of manufacturing errors, and use of a monitoring system Download PDFInfo
- Publication number
- DE102016222640A1 DE102016222640A1 DE102016222640.1A DE102016222640A DE102016222640A1 DE 102016222640 A1 DE102016222640 A1 DE 102016222640A1 DE 102016222640 A DE102016222640 A DE 102016222640A DE 102016222640 A1 DE102016222640 A1 DE 102016222640A1
- Authority
- DE
- Germany
- Prior art keywords
- data
- product
- monitoring system
- archived
- current
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 title claims description 31
- 238000001514 detection method Methods 0.000 title claims description 7
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000012360 testing method Methods 0.000 claims description 38
- 238000012356 Product development Methods 0.000 claims description 11
- 238000003909 pattern recognition Methods 0.000 claims description 8
- 238000004393 prognosis Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 230000005236 sound signal Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 230000001066 destructive effect Effects 0.000 description 6
- 238000000227 grinding Methods 0.000 description 6
- 230000007547 defect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 238000013024 troubleshooting Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005496 tempering Methods 0.000 description 1
- 238000012956 testing procedure Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
- G07C3/14—Quality control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
Überwachungssystem zur Beurteilung einer oder mehrerer Eigenschaften eines Produkts, insbesondere vor dessen Inbetriebnahme, umfassend eine Datenstruktur, welche archivierte erste und zweite Daten umfasst, wobei die archivierten ersten Daten Informationen aus einem Produktentstehungsprozess zumindest eines Produkts eines Typs umfassen, und wobei die archivierten zweiten Daten Eigenschaftsdaten des zumindest einen Produkts umfassen, und wobei das Überwachungssystem ein Rechensystem umfasst, das ausgelegt ist, die archivierten ersten und die zweiten Daten derart zueinander/miteinander in Beziehung zu setzen, dass auf Basis von aktuellen ersten Daten eines Produkts dieses Typs eine Vorhersage von zweiten Daten des Produkts möglich ist.A monitoring system for evaluating one or more properties of a product, in particular prior to its startup, comprising a data structure comprising archived first and second data, the archived first data comprising information from a product creation process of at least one product of one type, and wherein the archived second data is property data of the at least one product, and wherein the monitoring system comprises a computing system configured to correlate the archived first and second data such that based on current first data of a product of that type, prediction of second data of the product is possible.
Description
Die vorliegende Erfindung betrifft ein Überwachungssystem, insbesondere zur Beurteilung einer oder mehrerer Eigenschaften eines Produkts, ein Verfahren, insbesondere zur Detektion von Fertigungsfehlern, sowie eine Verwendung eines Überwachungssystems.The present invention relates to a monitoring system, in particular for the evaluation of one or more properties of a product, a method, in particular for the detection of manufacturing defects, and a use of a monitoring system.
Es gibt Bauteile, welche nicht vollständig zerstörungsfrei auf ihre Funktionalität hin geprüft werden können bzw. bei welchen zerstörungsfreie Prüfmethoden nicht wirtschaftlich wären. Dies ist z. B. bei Kurbelwellen der Fall. Andere Bauteile können zwar zerstörungsfrei geprüft werden, müssen aber bestimmten Prüfzyklen oder Prüfverfahren unterzogen werden. Problematisch ist hierbei die Auswertung bzw. die Interpretation der in den Prüfzyklen gewonnenen Daten. Die Überprüfung erfolgt oft manuell und die Entscheidung, ob ein Wert als „in Ordnung“ oder „nicht in Ordnung“ erachtet wird, beruht in der Regel auf der Erfahrung des einzelnen Prüfers und nicht auf einem nachvollziehbaren Schema. Ähnliches gilt, wenn sich das Bauteil bereits in Betrieb befindet. Hier ist es bekannt, Sensoren jeglicher Art zu verwenden und die gewonnenen Daten z. B. anhand eines definierten Schemas zu bewerten, woraufhin eine Aussage über den Zustand des Bauteils getroffen werden kann. Hierbei kann aber immer nur ein Ist-Zustand abgebildet werden. Weder ist eine Voraussage über das zukünftige Bauteilverhalten möglich noch können die Ursachen möglicher Fehler erkannt oder aufgedeckt werden.There are components which can not be completely tested for their functionality in a non-destructive way or where non-destructive test methods would not be economical. This is z. B. the case of crankshafts. Although other components can be tested non-destructively, they must be subjected to specific test cycles or test procedures. The problem here is the evaluation or interpretation of the data obtained in the test cycles. Often, the review is done manually, and the decision on whether a value is considered "okay" or "out of order" is usually based on the experience of the individual auditor and not on a traceable schema. The same applies if the component is already in operation. Here it is known to use sensors of any kind and the data obtained z. B. on the basis of a defined scheme, whereupon a statement about the state of the component can be made. Here, however, only one actual state can always be mapped. Neither is it possible to predict the future behavior of the component, nor can the causes of possible errors be identified or uncovered.
Es ist daher eine Aufgabe der vorliegenden Erfindung, ein Überwachungssystem, ein Verfahren, insbesondere zur Detektion von Fertigungsfehlern, sowie eine Verwendung eines Überwachungssystems anzugeben, welche die vorgenannten Nachteile beseitigen und insbesondere eine Prognose eines Bauteilverhaltens ermöglichen.It is therefore an object of the present invention to provide a monitoring system, a method, in particular for the detection of manufacturing defects, and a use of a monitoring system which eliminate the aforementioned disadvantages and in particular allow a prediction of component behavior.
Diese Aufgabe wird durch ein Überwachungssystem gemäß Anspruch 1, ein Verfahren gemäß Anspruch 10 sowie durch eine Verwendung gemäß Anspruch 12 gelöst. Weitere Vorteile und Merkmale ergeben sich aus den Unteransprüchen sowie der Beschreibung und den beigefügten Figuren.This object is achieved by a monitoring system according to claim 1, a method according to
Erfindungsgemäß umfasst ein Überwachungssystem zur Beurteilung bzw. Vorhersage einer oder mehrerer Eigenschaften eines Produkts, insbesondere vor dessen Inbetriebnahme, eine Datenstruktur, welche archivierte erste und archivierte zweite Daten umfasst, wobei die archivierten ersten Daten Informationen aus einem Produktentstehungsprozess zumindest eines Produkts eines Typs umfassen, und wobei die archivierten zweiten Daten Eigenschaftsdaten des zumindest einen Produkts umfassen, und wobei das Überwachungssystem ein Rechensystem oder eine Auswerteeinheit umfasst, welche ausgelegt ist, die archivierten ersten und die archivierten zweiten Daten derart zueinander bzw. miteinander in Beziehung zu setzen, dass auf Basis von aktuellen bzw. aktuell oder gerade erfassten/gemessenen, ersten Daten eines Produkts dieses Typs eine Vorhersage, Vorausberechnung bzw. Prognose von zweiten Daten des Produkts möglich bzw. ermöglicht ist.According to the invention, a monitoring system for assessing or predicting one or more properties of a product, in particular before it is put into operation, comprises a data structure comprising archived first and archived second data, the archived first data comprising information from a product development process of at least one product of one type, and wherein the archived second data comprises property data of the at least one product, and wherein the monitoring system comprises a computing system or an evaluation unit configured to relate the archived first and archived second data to each other based on current data or actual or just recorded / measured, first data of a product of this type, a prediction, prediction or prognosis of second data of the product is possible or possible.
Bei den Eigenschaftsdaten handelt es sich insbesondere um Qualitätsdaten und/oder um Daten aus dem Betrieb des entsprechenden Produkts. Die Eigenschaftsdaten enthalten also Informationen über Eigenschaften des entsprechenden Produkts, wobei diese Eigenschaften z. B. Informationen dahingehend umfassen, ob ein Produkt in Ordnung oder nicht in Ordnung ist, ob es einen gewissen Schadensfall gezeigt hat oder nicht, mit anderen Worten, ob es z. B. ausgefallen ist oder nicht.The property data are in particular quality data and / or data from the operation of the corresponding product. The property data thus contains information about properties of the corresponding product, these properties being e.g. For example, information may include whether a product is in order or not, whether or not it has shown some damage, in other words, whether it is a B. failed or not.
Hinsichtlich des Typs des Produkts sind vorliegend keine Grenzen gesetzt. In bevorzugten Ausführungsformen handelt es sich insbesondere um Komponenten bzw. Bauteile für den Automobilbau. Hierbei kann es sich um komplexe Produkte wie Motoren, welche eine Vielzahl von Einzelkomponenten umfassen, handeln, aber auch um einzelne Komponenten, wie beispielsweise Kurbelgehäuse, Zylinderköpfe, Kolben, Kurbelwellen, etc.There are no limits on the type of product. In preferred embodiments, in particular components or components for the automotive industry. This can be complex products such as engines, which include a variety of individual components act, but also to individual components such as crankcases, cylinder heads, pistons, crankshafts, etc.
Die Datenstruktur weist zweckmäßigerweise ein oder mehrere Speichersysteme auf, um die archivierten ersten und zweiten Daten zu speichern bzw. zu sammeln, beispielsweise in der Form von Datensätzen. Bevorzugt erfolgt die Speicherung derart, dass die korrelierenden bzw. zusammengehörenden ersten und zweiten Daten einander zuordenbar sind, wobei die hierzu benötigten Funktionalitäten über Datawarehouses und/oder Data Lakes zur Verfügung gestellt werden können. Beispielsweise ist eine Datenbank vorgesehen, um die Datenstruktur abzubilden, wobei als mögliche Datenspeicher insbesondere elektronische Speicher bevorzugt sind, welche auch das Cloud-Computing umfassen. Zweckmäßigerweise ist also sichergestellt, dass die archivierten ersten Daten und die archivierten zweiten Daten ein und desselben Produkts einander zugeordnet sind. Indem nun die Datensätze einer Vielzahl von Produkten desselben Typs zueinander bzw. miteinander in Beziehung gesetzt werden, ist es möglich, Abhängigkeiten bzw. Muster und Auffälligkeiten etc. zu erkennen. Es ist also möglich, die Informationen aus dem Produktentstehungsprozess mit den Informationen aus dem Betrieb eines Produkts bzw. mit den Eigenschaftsdaten zu vergleichen und daraus Erkenntnisse abzuleiten. Mit Vorteil wird diese Information genutzt, um auf Basis aktuell erfasster, beispielsweise gemessener erster Daten eines Produkts, während des Produktentstehungsprozesses bzw. auch am Ende des Produktentstehungsprozesses eine Prognose zu erstellen, ob ein Prozessschritt erfolgreich war bzw. wie sich das Produkt in Zukunft verhalten wird, mit anderen Worten, ob es qualitativ in Ordnung ist. Zweckmäßigerweise kann z. B. auf Basis von aktuell erfassten ersten Daten erkannt werden, dass ein Motor, beispielsweise nach 7000 Betriebsstunden, einen Schaden erleidet, beispielsweise einen Kolbenklemmer. Besonders vorteilhaft ist in diesem Zusammenhang, dass eine Vielzahl von unterschiedlichsten Informationen verwendet werden kann. Der Rückgriff auf unterschiedlichste Daten während des Produktentstehungsprozesses ermöglicht es, Abhängigkeiten aufzudecken bzw. zu erkennen, welche ansonsten nicht identifizierbar wären. So kann ein Produkt die unterschiedlichsten Prozessschritte durchlaufen, wobei ggf. jeder Prozessschritt für sich als „in Ordnung“ eingestuft wurde, die Kombination dieser an sich für gut befundenen Prozessschritte kann aber zu einem fehlerhaften Produkt führen. Die Auswertung der aktuellen ersten Daten kann kontinuierlich während des gesamten Produktentstehungsprozesses durchgeführt werden, wodurch ein schnelles Reagieren und insbesondere eine schnelle Fehlerbehebung, beispielsweise in Form einer Nachbearbeitung, ermöglicht wird. Evtl. kann die Fehlerbehebung auch darin liegen, nachgelagerte Prozessschritte anders, mit anderen Worten „angepasst“, auszuführen.The data structure expediently has one or more storage systems for storing the archived first and second data, for example in the form of data records. The storage preferably takes place in such a way that the correlating or associated first and second data can be assigned to one another, wherein the functionalities required for this purpose can be made available via data warehouses and / or data lakes. For example, a database is provided in order to map the data structure, with particular preference being given to electronic memory as possible data storage, which also includes cloud computing. It is thus expedient to ensure that the archived first data and the archived second data of one and the same product are assigned to one another. By now correlating the datasets of a plurality of products of the same type with each other, it is possible to recognize dependencies and conspicuousnesses, etc. It is thus possible to compare the information from the product development process with the information from the operation of a product or with the property data and derive insights therefrom. Advantageously, this information is used on the basis of currently detected, for example, measured first data of a product, during the product development process or on At the end of the product development process, to forecast whether a process step was successful or how the product will behave in the future, in other words, whether it is qualitatively in order. Conveniently, for. B. based on currently detected first data are detected that an engine, for example, after 7000 operating hours, suffered damage, such as a piston clamp. It is particularly advantageous in this context that a variety of different information can be used. The use of a wide variety of data during the product development process makes it possible to detect or recognize dependencies that would otherwise be unidentifiable. Thus, a product can go through a wide variety of process steps, with each process step possibly being classified as "OK" in its own right, but the combination of these process steps, which are in itself good, can lead to a defective product. The evaluation of the current first data can be carried out continuously during the entire product development process, whereby a rapid response and in particular a quick troubleshooting, for example in the form of a post-processing, is made possible. Possibly. Troubleshooting can also be to carry out downstream process steps differently, in other words "adapted".
Gemäß einer Ausführungsform umfassen die ersten Daten Produktionsdaten, wobei das Überwachungssystem ausgelegt ist, die Produktionsdaten zu erfassen und/oder zu verarbeiten. Produktionsdaten können Messwerte von Fertigungsanlagen, Montageparameter wie Verschraubungsdaten, Betriebsdaten der jeweiligen Anlage (wie Stromverbrauch) etc. sein. Hierzu ist das Überwachungssystem zweckmäßigerweise mit entsprechenden Sensoren bzw. Sensorsystemen ausgestattet bzw. weist diese auf. Gemäß einer Ausführungsform ist das Überwachungssystem auch dahingehend ausgelegt, dass es die entsprechende Sensorik und Aktuatorik, welche in den bei der Produktherstellung verwendeten Werkzeugen und Geräten ohnehin verwendet wird, mitbenutzen kann bzw. z. B. auslesen kann. Diese aktuellen ersten Daten können dann mit den archivierten ersten Daten, welche in der Datenstruktur hinterlegt sind und welche Informationen zu bereits geprüften und ausgelieferten Motoren enthalten, verglichen werden. Anhand des Vergleichs kann zweckmäßigerweise ermittelt werden, ob z. B. ein Motor fehlerhaft ist bzw. worin die Fehlerursache liegt.According to one embodiment, the first data comprises production data, wherein the monitoring system is designed to capture and / or process the production data. Production data can be measured values of production equipment, assembly parameters such as bolting data, operating data of the respective equipment (such as power consumption), etc. For this purpose, the monitoring system is expediently equipped with corresponding sensors or sensor systems or has them. According to one embodiment, the monitoring system is also designed so that it can use the corresponding sensors and actuators, which is used in the tools and devices used in the product anyway anyway, or z. B. can read. These current first data can then be compared with the archived first data, which are stored in the data structure and which contain information on already tested and delivered engines. Based on the comparison can be conveniently determined whether z. B. an engine is faulty or wherein the cause of the fault is.
Gemäß einer Ausführungsform umfassen die ersten Daten Testdaten, insbesondere Kalttestdaten, wobei das Überwachungssystem ausgelegt ist, die Testdaten zu erfassen bzw. zu verarbeiten. Auch hier gilt, dass das Überwachungssystem zweckmäßigerweise dahingehend ausgelegt ist, auf die Sensorik bzw. Aktuatorik entsprechender Prüfstände bzw. Testläufe zuzugreifen und diese Daten zu verarbeiten. Alternativ kann das Überwachungssystem auch selbst dahingehend ausgebildet sein, dass es derartige Testdaten selbst erfassen kann bzw. weist Schnittstellen für die Ein- und Ausgabe dieser Daten auf. Alternativ oder zusätzlich ist es auch möglich, mehrere erste Daten bzw. Datensätze miteinander zu kombinieren, beispielsweise mehrere Testdatensätze bzw. auch unterschiedliche Datensätze wie Testdatensätze und Produktionsdaten, wie etwaige Verschraubungsdaten, etc.According to one embodiment, the first data comprises test data, in particular cold test data, wherein the monitoring system is designed to record or process the test data. In this case too, the monitoring system is expediently designed to access the sensors or actuators of corresponding test stands or test runs and to process these data. Alternatively, the monitoring system itself may also be designed such that it can detect such test data itself or has interfaces for the input and output of this data. Alternatively or additionally, it is also possible to combine a plurality of first data or data sets with one another, for example a plurality of test data records or also different data records such as test data records and production data, such as possible screwing data, etc.
Gemäß einer Ausführungsform umfassen die Testdaten z. B. Daten aus Endfunktionstests wie z. B., im Falle eines Verbrennungsmotors, aus einem Heißtest oder Kalttest, insbesondere also beispielsweise Kalttestdaten. Der Kalttest ist ein Testverfahren im Montageprozess eines Verbrennungsmotors, bei dem geprüft wird, ob die vorangegangenen Montageschritte korrekt ausgeführt wurden. Der Motor wird dabei passiv durch einen Elektromotor angetrieben und nicht aus eigener Kraft. Zweckmäßigerweise werden hierbei Körperschalldaten erfasst und aufgezeichnet. Die Charakteristika von Körperschalldaten und Kalttestdaten etc. erzeugen Datenprofile zu speziellen Motorentypen und Fehlerursachen. Die Analyse der Testdaten und deren Charakterisierung kann anhand verschiedener Verfahren erfolgen. Körperschallsignale können beispielsweise mithilfe einer Fourier-Transformation in bestimmte Ordnungsspektren aufgegliedert werden. Dadurch lassen sich einzelne Sensordaten in verschiedene Muster einordnen. Außerdem kann eine drehzahlabhängige Analyse der Daten erfolgen, mit deren Hilfe Auffälligkeiten auf einem bestimmten Kurbelwellenwinkel abgebildet werden können. Sowohl die Rohdaten als auch die Transformationen davon können für die Analyse verwendet werden.According to one embodiment, the test data include z. B. Data from end-function tests such. B., in the case of an internal combustion engine, from a hot test or cold test, in particular so for example cold test data. The cold test is a test procedure in the assembly process of an internal combustion engine, in which it is checked whether the previous assembly steps have been carried out correctly. The engine is driven passively by an electric motor and not on its own. Appropriately, here structure-borne sound data are recorded and recorded. The characteristics of structure-borne noise data and cold test data etc. generate data profiles for specific engine types and causes of faults. The analysis of the test data and their characterization can be done by different methods. Structure-borne sound signals can be broken down into specific order spectra by means of a Fourier transformation, for example. As a result, individual sensor data can be arranged in different patterns. In addition, a speed-dependent analysis of the data can be carried out, with the help of which abnormalities can be mapped on a specific crankshaft angle. Both the raw data and the transformations thereof can be used for the analysis.
Von Vorteil ist insbesondere die zerstörungsfreie und schnelle Prüfmöglichkeit von Bauteilen. Zweckmäßigerweise kann das Überwachungssystem z. B. dazu eingesetzt werden, einen etwaigen Schleifbrand zu erkennen. Der Schleifbrand ist eine thermisch bedingte Schädigung von geschliffenen Werkstückrandzonen und kann entstehen, wenn beim Schleifen gehärteter Oberflächen eine zu große Wärmeentwicklung auftritt. Dabei entstehen Anlasszonen, Neuhärtezonen bis hin zu Rissen, mit veränderter Härte und reduzierter Druckspannung oder sogar Zugspannung. Über Ätzverfahren lässt sich der Schleifbrand auch zerstörungsfrei erkennen, die bekannten Verfahren sind aber relativ zeitaufwendig. Mit Vorteil können daher mit dem Überwachungssystem aktuell während des Schleifens erfasste erste Daten, beispielsweise in Form von Körperschalldaten, dazu genutzt werden, Eigenschaftsdaten eines Produkts, beispielsweise einer Nockenwellen oder Kurbelwelle, vorauszuberechnen. Hinterlegte Modelle, welche auf archivierten ersten und zweiten Daten basieren, dienen dabei als Grundlage um vorhersagen zu können, ob bei der Nockenwelle oder der Kurbelwelle z. B. Schleifbrand vorliegt.Of particular advantage is the non-destructive and rapid testing of components. Conveniently, the monitoring system z. B. be used to detect a possible grinding fire. The grinding burn is a thermally induced damage of ground workpiece edge zones and can occur if too much heat develops during the grinding of hardened surfaces. This creates tempering zones, new hardening zones and even cracks, with altered hardness and reduced compressive stress or even tensile stress. The grinding process can also be detected non-destructively via etching processes, but the known processes are relatively time-consuming. Advantageously, therefore, with the monitoring system currently detected during the grinding first data, for example in the form of structure-borne sound data, can be used to predict property data of a product, such as a camshaft or crankshaft. Stored models based on archived first and second data are used as a basis to predict whether the camshaft or the crankshaft z. B. grinding burn is present.
Gemäß einer Ausführungsform umfassen die ersten Daten auch Nacharbeitsdaten, Prüfstandsdaten, Messwerte von Fertigungsanlagen, Montageparameter wie Verschraubungsdaten, Betriebsdaten der jeweiligen Anlage (wie Stromverbrauch) etc.According to one embodiment, the first data also include rework data, test bench data, measured values of production systems, assembly parameters such as bolting data, operating data of the respective installation (such as power consumption), etc.
Zweckmäßigerweise ist das Rechensystem ausgelegt, eine Mustererkennung durchzuführen. Die Produktionsdaten wie auch die Testdaten, beispielsweise die Kalttestdaten, der archivierten ersten Daten, wie auch die zweiten Daten, werden z. B. einer (mathematischen) Mustererkennung unterzogen. Eine Mustererkennung ist dahingehend zu verstehen, dass in einer Menge von Daten Regelmäßigkeiten, Wiederholungen, Ähnlichkeiten oder Gesetzmäßigkeiten erkannt werden. Zweckmäßigerweise können die gesammelten archivierten ersten Daten und/oder die zweiten Daten also vor diesem Hintergrund analysiert werden und das dabei gewonnene Wissen bzw. die dabei gewonnen Erkenntnisse können zur Interpretation der aktuell erfassten ersten Daten herangezogen werden. Damit kann vorausberechnet oder prognostiziert oder vorhergesagt werden, ob das in Rede stehende Produkt im Betrieb bzw. im Feld einmal ausfallen wird, wobei hierfür auf Informationen aus dem Produktentstehungsprozess, also vor der eigentlichen Inbetriebnahme des Produkts, zurückgegriffen wird. Mit großem Vorteil ist also eine Prognose des zukünftigen Produktverhaltens bzw. der zukünftigen Bauteileigenschaften möglich. In der Informatik sind derzeit unterschiedliche Ansätze zur Mustererkennung bekannt, welche sich in syntaktische, statistische oder strukturelle einteilen lassen. Zweckmäßigerweise ist das Überwachungssystem ausgelegt, eine oder mehrere derartige Ansätze bereitzustellen.Conveniently, the computing system is designed to perform pattern recognition. The production data as well as the test data, for example, the cold test data, the archived first data, as well as the second data are z. B. subjected to a (mathematical) pattern recognition. Pattern recognition is to be understood as recognizing regularities, repetitions, similarities or laws in a set of data. Expediently, the collected archived first data and / or the second data can therefore be analyzed against this background, and the knowledge gained thereby or the knowledge gained thereby can be used to interpret the currently acquired first data. Thus, it can be predicted or predicted or predicted whether the product in question will fail in operation or in the field once, for which purpose information from the product development process, ie before the actual commissioning of the product, is used. With great advantage, therefore, a prognosis of the future product behavior or the future component properties is possible. In computer science, different approaches to pattern recognition are currently known, which can be divided into syntactic, statistical or structural. Conveniently, the monitoring system is configured to provide one or more such approaches.
Alternativ können die archivierten ersten und zweiten Daten auch z. B. von Hand ausgewertet und z. B. statistisch erfasst werden. Möglich ist es beispielsweise, Entscheidungsbäume zu erstellen, um die archivierten ersten und zweiten Daten miteinander in Beziehung zu setzen bzw. Muster zu erkennen und Erkenntnisse abzuleiten. Diese Erkenntnisse können in (mathematische) Modelle umformuliert werden, welche eine Vorausberechnung von zweiten Daten ermöglicht.Alternatively, the archived first and second data also z. B. evaluated by hand and z. B. be recorded statistically. For example, it is possible to create decision trees in order to correlate the archived first and second data with each other or to recognize patterns and derive knowledge. These findings can be rewritten into (mathematical) models, which allow for the precalculation of second data.
Gemäß einer Ausführungsform ist das Rechensystem ausgelegt, eine Modellbeziehung zwischen den archivierten ersten und/oder den archivierten zweiten Daten zu erstellen, wobei die Modellbeziehung ausgelegt ist, die aktuellen ersten Daten bzw. zumindest Teile davon als Eingangsgrößen zu verarbeiten. Zweckmäßigerweise werden also die archivierten ersten und/oder zweiten Daten dahingehend verwendet, ein, beispielweise mathematisches, Modell aufzubauen, welches die aktuell erfassten ersten Daten als Eingangsgrößen verarbeitet und zukünftige zweite Daten dieses Produkts auf Basis der aktuell erfassten ersten Daten simuliert/vorausberechnet. Die archivierten ersten und zweiten Daten werden also dazu verwendet, ein mathematisches Modell zu trainieren bzw. anzupassen. Hierbei können klassische Polynommodelle bzw. neuronale Netze etc. Anwendung finden, wobei der Modelltyp nicht auf die vorgenannten zwei Beispiele beschränkt ist.In one embodiment, the computing system is configured to create a model relationship between the archived first and / or the archived second data, wherein the model relationship is configured to process the current first data or at least portions thereof as input variables. The archived first and / or second data are expediently used to construct a model, for example a mathematical model, which processes the currently acquired first data as input variables and simulates / predicts future second data of this product on the basis of the currently acquired first data. The archived first and second data are thus used to train or adapt a mathematical model. In this case, classical polynomial models or neural networks, etc. can be used, wherein the model type is not limited to the aforementioned two examples.
Da die Modelle unter anderem auf archivierten Daten basieren, wachsen Sie immer weiter und werden automatisch optimiert. Zweckmäßigerweise findet das „in Beziehung Setzen“ der Daten auch fehlerbezogen statt. Wenn z. B. genügend Daten für einen speziellen Fehlertyp vorhanden sind bzw. die charakteristischen Daten (charakteristischer Satz von ersten Daten) für diesen Fehlertyp erkannt wurden, kann auf dieser Basis ein geeignetes Modell erstellt und dazu genutzt werden, um beispielsweise Fahrzeuge zu identifizieren, die den Fehler im Betrieb zwar noch nicht aufweisen, diesen aber unter Umständen bald haben werden. Diese Fahrzeuge können dann z. B. zurückgerufen werden oder es wird, ggf. im Rahmen des nächsten Werkstattbesuchs, eine Rückrufaktion durchgeführt.As the models are based on archived data, among other things, they continue to grow and are automatically optimized. Expediently, the "relationship" of the data also takes place based on errors. If z. If, for example, enough data is available for a specific error type or the characteristic data (characteristic set of first data) has been recognized for this type of error, a suitable model can be created on this basis and used to identify, for example, vehicles that have the error Although not yet in operation, but this may have soon. These vehicles can then z. B. be recalled or it will, possibly in the context of the next workshop visit, carried out a recall.
Gemäß einer Ausführungsform ist das Rechensystem auch ausgelegt, die aktuellen ersten Daten untereinander bzw. mit den archivierten ersten Daten zu vergleichen. Beispielsweise gibt es einen archivierten ersten Datensatz, der zu einem Produkt „gehört“, das im Feld/Betrieb nicht ausgefallen ist. Dieser Datensatz kann als Referenzdatensatz herangezogen werden, mit dem die aktuell erfassten ersten Daten verglichen werden, wobei bevorzugt Grenzwerte festgelegt werden, anhand derer erkannt werden kann, ob das Produkt fehlerfrei sein wird. Hierzu können beispielsweise auch Informationen aus der Mustererkennung verwendet werden.According to one embodiment, the computing system is also designed to compare the current first data with each other or with the archived first data. For example, there is an archived first record that "belongs" to a product that has not failed in the field / farm. This data record can be used as a reference data record, with which the currently acquired first data are compared, whereby preferably limit values are determined by means of which it can be recognized whether the product will be free of errors. For example, information from pattern recognition can also be used for this purpose.
Zweckmäßigerweise ist das Rechensystem auch dahingehend ausgelegt, dass es einen charakteristischen Satz von ersten Daten und/oder auch zweiten Daten identifizieren kann, wobei auch hierfür beispielsweise die vorgenannte Mustererkennung zum Einsatz kommt. Insofern ist es nicht nötig, sämtliche Informationen aus dem Produktentstehungsprozess oder auch aus dem Betrieb zu berücksichtigen, sondern einen charakteristischen Datensatz zu erstellen, welcher für eine ausreichend zuverlässige Beurteilung des zukünftigen Bauteilverhaltens ausreicht.Expediently, the computing system is also designed such that it can identify a characteristic set of first data and / or also second data, wherein, for example, the aforementioned pattern recognition is also used for this purpose. In this respect, it is not necessary to take into account all information from the product development process or also from the operation, but to create a characteristic data set which is sufficient for a sufficiently reliable assessment of future component behavior.
Falls es bereits bestehende Prüfungen im Produktionsprozess bzw. in den verwendeten Fertigungsverfahren gibt, werden z. B. hierbei gesammelte Daten ebenfalls in charakteristische Muster eingeteilt und für die Bauteilzustandsbestimmung bzw. die Vorausberechnung der zweiten Daten verwendet. Hierbei werden zweckmäßigerweise sowohl Muster betrachtet, die sich aus einzelnen ersten Daten wie Prozessparametern und z. B. zweiten Daten ergeben, als auch Daten, welche eine charakteristische Kombination mehrerer ersten Daten wie Prozessparameter bzw. zweiter Daten aufweisen.If there are already existing tests in the production process or in the manufacturing processes used, z. B. collected data also in characteristic patterns divided and used for the component state determination or the precalculation of the second data. In this case, both patterns are expediently considered, which consist of individual first data such as process parameters and z. B. give second data, as well as data having a characteristic combination of a plurality of first data such as process parameters or second data.
Gemäß einer Ausführungsform sind die ersten und die zweiten Daten zeit- und/oder prozess-getriggert aufgezeichnet. Dies bedeutet, dass die aufgezeichneten Daten exakt einem bestimmten Fertigungsprozess bzw. einem bestimmten Prüfstandsversuch zuordenbar sind. Damit ist es möglich, beispielsweise bestimmte Produktionsdaten oder auch Testdaten, eindeutig mit beispielsweise einem bestimmten Motorverhalten in Verbindung zu bringen bzw. umgekehrt. Produktionsprozesse können dadurch punktgenau verbessert oder riskante Produktionsabschnitte erkannt werden. Außerdem können durch die umfassende Datenermittlung und die gezielte Mustererkennung/- charakterisierung bei diesen Daten die Prüfungen reduziert werden bzw. auf effiziente Prüfinhalte beschränkt werden. Hierbei ist besonders von Vorteil, dass charakteristische Datensätze ermittelt werden können. Zweckmäßigerweise können auf diese Weise auch ungünstige Bauteilpaarungen erkannt werden, beispielsweise wenn zwei Bauteile aus dem Toleranz-Grenzbereich verbaut werden und es dadurch unter Umständen zu Fehlern kommt.According to one embodiment, the first and the second data are recorded in a time and / or process triggered manner. This means that the recorded data can be assigned exactly to a specific production process or test bench trial. This makes it possible, for example, certain production data or test data, clearly associate with, for example, a specific engine behavior or vice versa. As a result, production processes can be improved with pinpoint accuracy or risky production stages can be identified. In addition, the comprehensive data collection and the targeted pattern recognition / characterization of these data can be used to reduce the tests or limit them to efficient test contents. It is particularly advantageous that characteristic data sets can be determined. Conveniently, unfavorable component pairings can be detected in this way, for example, if two components are installed from the tolerance limit range and it may cause errors.
Gemäß einer Ausführungsform umfasst das Produkt zumindest ein Bauteil bzw. eine Vielzahl von Bauteilen, wobei die ersten und zweiten Daten bauteil-getriggert aufgezeichnet sind. Dies bedeutet, dass die Daten bzw. die Datensätze, seien es erste oder zweiten Daten, exakt den jeweiligen Bauteilen zugeordnet werden können. Die archivierten ersten und zweiten Daten sind also konkret auf bestimmte Bauteileigenschaften referenzierbar. Bei entsprechenden Auffälligkeiten von Bauteilen bzw. Produkten im Feld können so die entsprechenden Prozessparameter und Produktionsdaten gezielt auf Muster überprüft werden, welche beispielsweise bei fehlerhaften Bauteilen oder bestimmten Fehlertypen immer wieder vorkommen. Diese Muster können dann wieder eine Entscheidungsgrundlage für aktuell gefertigte Bauteile bilden.According to one embodiment, the product comprises at least one component or a plurality of components, wherein the first and second data are recorded component-triggered. This means that the data or the data records, be it first or second data, can be assigned exactly to the respective components. The archived first and second data are thus concretely referenced to certain component properties. In the case of corresponding abnormalities of components or products in the field, the corresponding process parameters and production data can be specifically checked for patterns that occur again and again, for example, in the case of defective components or specific types of defects. These patterns can then again form a basis for decision making for currently manufactured components.
Zweckmäßigerweise lässt sich dadurch erreichen, dass anhand der während der Fertigung gesammelten Informationen eine Bauteilprüfung durchgeführt wird. Mit Vorteil können dadurch zusätzliche Prüfverfahren entfallen. Insbesondere kann die vorgenannte Überprüfung zerstörungsfrei erfolgen und es kann auf weitere zwischengeschaltete Prüfzyklen verzichtet werden.Conveniently, this can be achieved in that a component test is carried out on the basis of the information collected during production. Advantageously, this eliminates additional testing procedures. In particular, the aforementioned review can be done non-destructive and it can be dispensed with further intermediate test cycles.
Die Erfindung richtet sich auch auf ein Verfahren, insbesondere zur Detektion von Fertigungsfehlern, umfassend die Schritte:
- - Bereitstellen von archivierten zweiten Daten, wobei die zweiten Daten Eigenschaftsdaten zumindest eines Produkts eines Typs umfassen;
- - Bereitstellen von archivierten ersten Daten, wobei die ersten Daten Informationen aus dem Produktentstehungsprozess des zumindest einen Produkts umfassen;
- - Erkennen bzw. Analysieren von Abhängigkeiten und Beziehungen zwischen den archivierten ersten und zweiten Daten;
- - Erfassen von aktuellen ersten Daten während eines Produktentstehungsprozesses eines Produkts des Typs und Vorausberechnung von zweiten Daten auf Basis der aktuellen ersten Daten und den Abhängigkeiten und Beziehungen bzw. unter Berücksichtigung der Abhängigkeiten und/oder Beziehungen.
- Providing archived second data, the second data comprising property data of at least one product of one type;
- - providing archived first data, the first data comprising information from the product creation process of the at least one product;
- - detecting or analyzing dependencies and relationships between the archived first and second data;
- Acquiring current first data during a product creation process of a product of the type and pre-computing second data based on the current first data and the dependencies and relationships, or considering dependencies and / or relationships.
Es gelten für das Verfahren die im Zusammenhang mit dem Überwachungssystem erwähnten Vorteile und Merkmale analog sowie entsprechend bzw. umgekehrt.For the method, the advantages and features mentioned in connection with the monitoring system apply analogously and correspondingly or vice versa.
Zweckmäßigerweise umfasst das Verfahren weiter den Schritt:
- - wobei nach Inbetriebnahme des Produktes aktuelle zweite Daten als Eingangsgrößen für die Prognose mitverwendet werden.
- - After commissioning of the product current second data are also used as input variables for the forecast.
Zweckmäßigerweise läuft das Überwachungssystem also auch während des Betriebs bzw. (Weiter-)Verwendung des Produkts weiter. Die hinterlegten Muster, Modelle, Vergleichsmethoden etc. werden also weiter angepasst bzw. „lernen“ weiter. Im Rahmen eines Werkstattbesuchs ist es dann beispielsweise möglich, das Überwachungssystem auszulesen und eine Prognose über das zukünftige Produkt bzw. Bauteilverhalten anzustellen. Zweckmäßigerweise ist es z. B. möglich, zu erkennen, dass ein bestimmtes Bauteil bald ausfallen wird, obwohl der aktuelle Fehlerspeicher, beispielsweise des Motors, gar keinen Fehler zeigt.Expediently, the monitoring system therefore also continues to run during the operation or (further) use of the product. The stored patterns, models, comparison methods, etc. are thus further adapted or "learn" on. As part of a workshop visit, it is then possible, for example, to read out the monitoring system and make a forecast about the future product or component behavior. Conveniently, it is z. B. possible to recognize that a particular component will soon fail, although the current fault memory, such as the engine, shows no error.
Zweckmäßigerweise werden die vorausberechneten zweiten Daten auch in der Datenstruktur gespeichert und abgelegt, wodurch z. B. dokumentiert ist, dass ein Bauteil mit dem Label „in Ordnung“ das Werk verlassen hat.Conveniently, the precalculated second data are also stored and stored in the data structure, whereby z. For example, it is documented that a component with the label "OK" has left the factory.
An dieser Stelle sei erwähnt, dass die archivierten zweiten Daten beispielsweise im Rahmen verschiedener Werkstattbesuche aus den Steuergeräten der Fahrzeuge ausgelesen werden können. Alternativ bzw. zusätzlich stammen die archivierten zweiten Daten auch aus Kundenbefragungen, Werkstattbefragungen etc. Um den vorgenannten Vergleich, beispielsweise im Rahmen eines Werkstattbesuchs, durchzuführen, kann es z. B. vorgesehen sein, die archivierten ersten Daten sowie die aktuell erfassten ersten Daten des entsprechenden bzw. jeweiligen Produkts in einem entsprechenden Speichermedium des Fahrzeugs abzulegen, sodass die Bordelektronik auf diese Informationen zugreifen kann, um die Funktionalität des Überwachungssystems bereitzustellen.It should be mentioned at this point that the archived second data can be read out, for example, within the framework of various workshop visits from the control units of the vehicles. Alternatively or additionally, the archived second data also comes from customer surveys, Workshop surveys, etc. In order to perform the above comparison, for example in the context of a workshop visit, it may, for. B. be provided to store the archived first data and the currently detected first data of the corresponding or respective product in a corresponding storage medium of the vehicle so that the on-board electronics can access this information to provide the functionality of the monitoring system.
Die Erfindung bezieht sich auch auf die Verwendung eines erfindungsgemäßen Überwachungssystems zur Detektion von Fehlern, insbesondere von Fertigungsfehlern, bei Bauteilen bzw. Produkten. Bevorzugt ist die Verwendung des Überwachungssystems insbesondere in einem Steuergerät eines Kraftfahrzeugs.The invention also relates to the use of a monitoring system according to the invention for detecting defects, in particular manufacturing defects, in components or products. The use of the monitoring system is particularly preferred in a control unit of a motor vehicle.
Sämtliche der vorgenannten Merkmale und Vorteile, betreffend das Überwachungssystem und das Verfahren, gelten analog und entsprechend für die Verwendung bzw. umgekehrt und untereinander.All of the aforementioned features and advantages relating to the monitoring system and the method apply analogously and correspondingly to the use or vice versa and to one another.
Weitere Vorteile und Merkmale ergeben sich aus der nachfolgenden Beschreibung bevorzugter Ausführungsformen des Überwachungssystems bzw. des Verfahrens oder der Verwendung mit Bezug auf die beigefügten Figuren. Unterschiedliche Merkmale können dabei im Rahmen der Erfindung miteinander kombiniert werden.Further advantages and features will become apparent from the following description of preferred embodiments of the monitoring system or the method or the use with reference to the accompanying figures. Different features can be combined with each other within the scope of the invention.
Es zeigen:
-
1 : ein Schema eines Überwachungssystems; -
2 : ein weiteres Schema eines Überwachungssystems bzw. des entsprechenden Verfahrens zur Verdeutlichung von dessen Arbeitsweise.
-
1 a scheme of a surveillance system; -
2 : Another scheme of a monitoring system or the corresponding method to illustrate its operation.
Nach alledem können in idealer Weise Daten der im Betrieb/Feld auffälligen Produkte verwendet werden. Es können Analysen von Fehlerursachen durchgeführt werden, welche zu Zeit- und Kostenersparnissen führen. Dadurch ist es möglich, beispielsweise das entsprechende Produkt, wie den Motor, in die entsprechende Reparatur zu schicken. Prüfungsschritte in den Fertigungsverfahren sowie Gewährleistungskosten können reduziert werden. Imageschäden werden vermieden. Automatisch können Produktionsprozesse verbessert werden. Ermöglicht wird weiter eine zerstörungsfreie und insbesondere sehr schnelle Prüfung von Bauteilen. Damit ist es vor allem auch möglich, eine Hundertprozent-Prüfung durchzuführen und nicht nur eine stichprobenartige Prüfung. Es können bisher benötigte Prüfverfahren ggf. eingeschränkt werden und es können kritische Fertigungsschritte identifiziert werden. Der große Vorteil bei dem Überwachungssystem, dem Verfahren bzw. der Verwendung des Überwachungssystems besteht insbesondere auch darin, dass das System hinzulernt und nicht statisch ist.After all, data of the products striking the plant / field can be ideally used. Analyzes of causes of errors can be carried out, which lead to time and cost savings. This makes it possible, for example, to send the appropriate product, such as the engine, into the appropriate repair. Testing steps in manufacturing processes and warranty costs can be reduced. Image damage is avoided. Automatically, production processes can be improved. A non-destructive and, in particular, very fast testing of components is also made possible. This makes it possible, above all, to carry out a one hundred percent exam, not just a random exam. If necessary, previously required test methods can be restricted and critical production steps can be identified. The great advantage of the monitoring system, the method or the use of the monitoring system is in particular that the system is learned and not static.
BezugszeichenlisteLIST OF REFERENCE NUMBERS
- 1010
- Datenstrukturdata structure
- 1111
- archivierte erste Daten/Datensätzearchived first data / records
- 1212
- archivierte zweite Daten/Datenätzearchived second data / records
- 1414
- Rechensystemcomputing system
- 2121
- aktuelle erste Datencurrent first data
- 2222
- vorausberechnete zweite Datenprecalculated second data
- 2323
- aktuelle zweite Datencurrent second data
- 5050
- virtueller Prüfstandvirtual test bench
- 5151
- Problembehandlungtroubleshooting
- 5252
- Freigaberelease
- ZZ
- Zeitstrahltime beam
- Z‘Z '
- Zeitpunkt, InbetriebnahmeTime, startup
- Z“Z "
- Zeitpunkt, im Betrieb, (Werkstattbesuch)Time, during operation, (workshop visit)
Claims (12)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016222640.1A DE102016222640A1 (en) | 2016-11-17 | 2016-11-17 | Monitoring system, method, in particular for the detection of manufacturing errors, and use of a monitoring system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016222640.1A DE102016222640A1 (en) | 2016-11-17 | 2016-11-17 | Monitoring system, method, in particular for the detection of manufacturing errors, and use of a monitoring system |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102016222640A1 true DE102016222640A1 (en) | 2018-05-17 |
Family
ID=62026742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102016222640.1A Withdrawn DE102016222640A1 (en) | 2016-11-17 | 2016-11-17 | Monitoring system, method, in particular for the detection of manufacturing errors, and use of a monitoring system |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102016222640A1 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10352720A1 (en) * | 2003-11-12 | 2005-06-30 | Daimlerchrysler Ag | Finite element simulation for a technical system uses a data-processing facility, an electronic structural model, finite elements and tensile forces |
DE102006000456A1 (en) * | 2005-09-09 | 2007-05-24 | Denso Corp., Kariya | Apparatus and method for manufacturing fuel injection control system |
WO2008104136A1 (en) * | 2007-02-26 | 2008-09-04 | Siemens Aktiengesellschaft | System and method for planning a technical system |
EP1800196B1 (en) * | 2003-07-10 | 2010-04-14 | Daimler AG | Method and device for predicting a breakdown frequency |
DE102010012649A1 (en) * | 2010-01-18 | 2011-07-21 | ThyssenKrupp Krause GmbH, 28777 | Method for determining the power of an internal combustion engine |
-
2016
- 2016-11-17 DE DE102016222640.1A patent/DE102016222640A1/en not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1800196B1 (en) * | 2003-07-10 | 2010-04-14 | Daimler AG | Method and device for predicting a breakdown frequency |
DE10352720A1 (en) * | 2003-11-12 | 2005-06-30 | Daimlerchrysler Ag | Finite element simulation for a technical system uses a data-processing facility, an electronic structural model, finite elements and tensile forces |
DE102006000456A1 (en) * | 2005-09-09 | 2007-05-24 | Denso Corp., Kariya | Apparatus and method for manufacturing fuel injection control system |
WO2008104136A1 (en) * | 2007-02-26 | 2008-09-04 | Siemens Aktiengesellschaft | System and method for planning a technical system |
DE102010012649A1 (en) * | 2010-01-18 | 2011-07-21 | ThyssenKrupp Krause GmbH, 28777 | Method for determining the power of an internal combustion engine |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE69724555T2 (en) | Diagnostic trend analysis for aircraft engines | |
DE102018126501B3 (en) | Method for predicting the maintenance of components of an internal combustion engine using a structure-borne noise sensor | |
EP2678654B1 (en) | Method for functionally testing turbomachines, and test device therefor | |
DE102012103652A1 (en) | Method, computer program and system for performing interpolation on sensor data for high system availability | |
DE102010052998A1 (en) | Software-centered methodology for checking and confirming error models | |
DE112015004142T5 (en) | System and method for predicting the failure of machine components | |
DE102017200855A1 (en) | Method and system for diagnosing components of a vehicle | |
DE102016012451A1 (en) | Method for monitoring, analyzing and operating at least one production facility | |
DE112014005404T5 (en) | Condition monitoring system of a movement device | |
EP3546314A1 (en) | Method and device for fault identification for a technical system | |
DE102007022672B3 (en) | Intelligent weapon's i.e. cruise missile, condition monitoring method, involves comparing resulting data of function test of weapon and determining differences and trends in individual data and remaining duration and maintenance requirement | |
EP3750089A1 (en) | Method and system for analyzing at least one device of a unit that has a plurality of different devices | |
DE102017100130B4 (en) | Automated stochastic process for recognizing properties and using them in a repeatable process | |
WO2007022849A2 (en) | Method for identifying complex diagnoses in customer services | |
WO2018178196A1 (en) | Method for determining a degree-of-damage uncertainty of a motor vehicle | |
DE102008016801A1 (en) | Onboard fault diagnosing method for vehicle, involves identifying component associated to failure characteristic signal difference by correlating determined signal difference with failure characteristic signal difference | |
DE102018209253B4 (en) | Fourier diagnosis of a gas exchange behavior of an internal combustion engine | |
DE102020108861A1 (en) | Method for determining a condition of a component | |
EP3100064B1 (en) | Device and method for detecting faults in machines | |
DE102016222640A1 (en) | Monitoring system, method, in particular for the detection of manufacturing errors, and use of a monitoring system | |
DE102019110619A1 (en) | Method for tracking a component in a production line comprising a plurality of process plants, and computing device | |
WO2019086160A1 (en) | Method for condition monitoring of a manufacturing plant | |
DE102018210463A1 (en) | Method for checking at least a partial area of a component and testing device for checking at least a partial area of a component | |
DE102010020149A1 (en) | System for automatic checking of defective components at motor car, has processor-supported data access unit for indicating guidance for virtual repair and/or change of defective components of machine or plant in short time interval | |
DE2922371A1 (en) | Early warning engine malfunction monitor - includes vibration and speed transducers for power spectrum comparison against stored reference pattern |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R005 | Application deemed withdrawn due to failure to request examination |